文献

J-GLOBAL ID：201702247982522494   整理番号：17A0403258

二重給電誘導発電機ベースの風力タービンの最大電力点追跡のためのグループ化されたハイイロオオカミオプティマイザ【Powered by NICT】

Grouped grey wolf optimizer for maximum power point tracking of doubly-fed induction generator based wind turbine

著者 (5件)： Yang Bo (Faculty of Electric Power Engineering, Kunming University of Science and Technology, 650504 Kunming, China) ,  Zhang Xiaoshun (College of Electric Power, South China University of Technology, 510640 Guangzhou, China) ,  Yu Tao (College of Electric Power, South China University of Technology, 510640 Guangzhou, China) ,  Shu Hongchun (Faculty of Electric Power Engineering, Kunming University of Science and Technology, 650504 Kunming, China) ,  Fang Zihao (Department of Medical Physics and Biomedical Engineering, University College London, WC1E 6BT London, United Kingdom)
資料名： Energy Conversion and Management  (Energy Conversion and Management)
巻： 133  ページ： 427-443  発行年： 2017年 
JST資料番号： A0552A  ISSN： 0196-8904  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 本論文では,二重給電誘導発電機ベースの風力タービンの対話型比例積分制御装置の最適パラメータを得るための新しいグループ化されたハイイロオオカミオプティマイザを提案し,最大電力点追跡は,改良型故障ライドスルー能力とともに実現できることを示した。提案したフレームワークの下で,ハイイロオオカミは,独立した二グループに分け,協同狩猟群とランダム単純群を含んでいる。前者は未知環境,例えば,餌探索,餌輪状締結術,攻撃被食者の存在のベータとデルタオオカミの数はより深い利用を達成するために増加するにおけるそれらの階層的協力と三精巧な操作に基づく効果的な狩猟を達成するために四種類のハイイロオオカミ(すなわち,アルファ,ベータ,デルタ,およびω)を含んでいる。一方,後者はランダムに大域的探索を行うと探索と利用の間の適切なトレードオフを実現し,局所最適を効果的に避けることができる。三つの事例研究は,能力によるより良い大域的収束,より正確な電力追跡と改良型故障乗りは他の発見的アルゴリズムのそれと比較して,提案したアプローチにより得られることを検証することを行った。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 制御装置 ,  狩猟 ,  *風車 ,  事例研究 ,  *電力 ,  積分 ,  故障
準シソーラス用語： 発見的アルゴリズム ,  被食者 ,  未知環境 ,  最適パラメータ ,  対話型 ,  *最大電力点追従 ,  *二重供給誘導発電機 , 【Automatic Indexing@JST】

著者キーワード (5件)： グループハイイロオオカミオプティマイザ ,  協同的狩猟 ,  ランダム単純 ,  最大電力点追跡 ,  二重給電誘導発電機

分類 (1件)： 風力発電  (NB03120Q)

タイトルに関連する用語 (4件)： 二重給電誘導発電機 ,  風力タービン ,  最大電力点追跡 ,  グループ